メインコンテンツへスキップ
DEFINITIONPillar 3 ─ AIで売上を創る

MCP（Model Context Protocol）とは何か｜定義・仕組み・エージェント時代の役割

Published
Reading
9 min
  • MCP
  • Model Context Protocol
  • MCP Anthropic
  • AIエージェント ツール 接続
  • MCP エージェント・スキル 違い
  • MCP 仕組み

MCP（Model Context Protocol）とは、Anthropicが2024年に提唱したオープン標準で、AIモデルやエージェントが外部のツール・データ・サービスに接続するための共通プロトコルである。ツールごとに個別接続を作る非効率を解消し、AIと外部世界をつなぐ標準的な配線として機能する。エージェント・スキルとは補完関係にある別レイヤーの標準にあたる。

AIエージェントが実際に役立つためには、自社の業務データ、社内ツール、外部SaaS、各種APIといった「外部世界」にアクセスできなければならない。生成AIが文章を返すだけでは事業は動かない。社内のデータを参照し、業務システムを操作し、必要な情報を取り出して初めて、AIは仕事の現場で機能する。

ここで問題になるのが、AIと外部世界をどう繋ぐかという接続の設計である。ツールごとに個別の接続を作っていては、組み合わせの数だけ実装が膨らみ、AIエージェントの導入は止まる。この問題を解くために設計されたのが MCP（Model Context Protocol）である。

本記事ではMCPの定義・背景・仕組みを整理した上で、しばしば混同される「エージェント・スキル」との違い・関係を明らかにする。結論を先に述べれば、MCPとエージェント・スキルは競合する標準ではなく、別のレイヤーで補完しあう関係にある。

MCPの定義

MCP（Model Context Protocol）とは、Anthropicが2024年に提唱したオープン標準であり、AIモデルやAIエージェントが外部のツール・データソース・サービスに接続するための共通プロトコルである。

「プロトコル」とは、異なるシステムが情報をやり取りするための取り決めを指す。MCPは、AIアプリケーション側（クライアント）と、ツールやデータを提供する側（サーバー）が、共通のルールに従って通信できるようにする規格である。

例えるなら、MCPはAIと外部世界をつなぐ標準的な配線にあたる。これまでは、AIに社内データを参照させたい場合、AIサービスごとに異なる接続を実装する必要があった。MCPに対応すれば、一度作った接続が複数のAIから利用可能になる。

オープン標準として公開されているため、特定のベンダーに依存せず、誰でも MCP サーバー（外部ツール側の実装）や MCP クライアント（AI アプリ側の実装）を作ることができる。Anthropic 以外にも Google、GitHub、Microsoft 等が採用を進めており、AIエージェント時代の基盤的な接続規格として位置付けが定まりつつある。

なぜMCPが必要なのか（背景）

MCPが登場した背景には、AIエージェントの実用化に伴う「接続の組み合わせ爆発」という構造的課題がある。

AIエージェントは、文章を返すだけでなく、業務システムを操作し、データベースを参照し、外部APIを呼び出すことで初めて事業の現場で価値を生む。しかし、AIサービスとツールの組み合わせは膨大である。ChatGPT、Claude、Gemini、その他のエージェント基盤と、社内DB、Slack、Salesforce、GitHub、Notion、各種SaaS、独自APIとの接続を、それぞれ個別に作っていては、開発コストが指数的に増えていく。

ここで共通規格があれば、状況が変わる。一度 MCP に対応した社内ツールは、MCP に対応する複数のAIから利用可能になる。逆に、MCP に対応した AI アプリは、世界中の MCP サーバー（既に公開されている外部ツール接続）をそのまま使える。

身近な比喩で言えば、USB-C のような「共通の差込口」に近い。かつては機器ごとに専用ケーブルを揃える必要があったが、USB-C の普及によって多くの機器が同じケーブルで繋がるようになった。MCPはAIエージェントの世界で同じ役割を果たそうとしている。

MCPの仕組み（基本構造）

MCPの基本構造は、3つの登場人物で整理すると理解しやすい。

  • MCPホスト（AIアプリ本体）：ユーザーが直接対話するAIアプリ。Claude Desktop、各種エージェント基盤、独自AIアプリケーションなど。
  • MCPクライアント：ホストの中に組み込まれ、MCPプロトコルを通じて外部のMCPサーバーと通信する役割を担う。
  • MCPサーバー：外部のツール・データソース・サービスを、MCPの仕様に沿った形で公開する側。社内DB、ファイルシステム、SaaS、API等の前段に置かれる。

実際の流れは次のようになる。AIが「この情報を取得したい」「この操作を実行したい」と判断すると、MCPクライアントを経由して該当する MCP サーバーに要求が送られる。MCPサーバーは要求を解釈し、背後にある実際のシステム（DB、API、ファイル等）を操作し、結果を返す。AIは返ってきた情報を文脈として処理し、ユーザーへの応答や次のアクションを決める。

この仕組みのポイントは、AI側もツール側も、相手の実装の詳細を知る必要がない点にある。両者は MCP という共通仕様だけを介してやり取りする。これにより、新しいツールを追加する作業も、新しいAIから既存ツールを使う作業も、大幅に簡素化される。

エージェント・スキルとの違い・関係

MCPと併せて語られることが多い標準に、エージェント・スキル（Agent Skills）がある。両者はどちらもAIエージェント時代の重要な標準だが、扱うレイヤーが異なる別の標準である。

エージェント・スキルは、AIエージェントに「業務手順・判断基準・スクリプト」をパッケージとして与える仕様である（詳しくは エージェント・スキル を参照）。「何ができるか」を定義する標準と言える。

一方MCPは、「外部のツール・データにどう接続するか」を定義する標準である。

両者の役割分担を整理すると以下のようになる。

観点MCPエージェント・スキル
担うレイヤー接続（外部世界とのつなぎ方）能力のパッケージ化（業務手順・判断基準）
答える問いどうつなぐか何ができるか
主な構成要素クライアント／サーバー／プロトコル仕様SKILL.md／スクリプト／手順記述
提唱・採用の流れAnthropic提唱、Google／GitHub／Microsoft等が採用Anthropicが2025年に提唱、各社が採用

両者は競合ではなく、補完する関係にある。エージェント・スキルが「営業提案書を作成する」という業務手順を定義し、その手順を実行する過程で必要となる「顧客データの取得」「外部APIの呼び出し」を MCP が担う、という形で組み合わせて使われる。

役割分担を分かりやすく言えば、MCPは「配線」、エージェント・スキルは「業務マニュアル」にあたる。配線がなければマニュアルは実行できず、マニュアルがなければ配線は活用されない。

AlphaDrive はこのエージェント・スキル（技術標準）への敬意の上に立ち、その事業実装版として「収益進化スキル＝AXFR-OS（収益進化AI化キット）」を独自に定義している。技術仕様は標準に委ね、事業・業界レイヤーの定義源を担うという役割分担である。詳しくは AX for Revenue Institute が発行する AXFR-OS（収益進化AI化キット） を参照されたい。

MCPの具体例

MCPが実際に使われる典型的なシーンを、3つの構造的パターンで整理する。

例1：社内データベースへの接続

社内の顧客データベースを MCP サーバーとして公開しておくことで、複数のAIアシスタント・エージェントが、同じ接続を通じて顧客情報を参照できる。ChatGPTベースのアプリでも、Claudeベースのエージェントでも、自社AIでも、同じ MCP サーバーに接続するだけで顧客データへのアクセスが可能になる。

例2：外部APIの呼び出し

GitHub、Slack、Google Drive、Salesforce などのSaaSは、それぞれ MCP サーバーの実装が公開されつつある。AI側はこれらに対応するクライアントを備えていれば、複数のSaaSをまたいだ操作（例：GitHubのIssueから関連するSlackの議論を参照し、Google Driveの設計書を取得する）を、個別実装なしに実行できる。

例3：独自業務システムの接続

社内独自の業務システム（基幹業務、生産管理、CRM等）を MCP サーバーとして公開すれば、AIエージェントから直接そのシステムを参照・操作できる。事業パートナーごとに固有の業務システムを持つ大企業にとっては、自社AI活用の基盤として有効な選択肢になる。

これらに共通するのは、「AIごとに個別接続を作る必要がなくなる」という構造的なメリットである。一度 MCP に対応した接続は、MCP に対応するすべてのAIから再利用できる。

MCPに関するFAQ

Q1. MCPとAPIの違いは？

API は個別システムが公開する固有のインターフェースであり、システムごとに仕様が異なる。AIが10種類のAPIを使うには、10種類分の接続コードを書く必要がある。

MCP は、AIと外部ツールをつなぐ「共通プロトコル」である。各 API の前段に MCP サーバーを置くことで、AI側は MCP という統一仕様だけを理解すればよくなる。API を否定する標準ではなく、API の上位に「AIとの接続を標準化する層」を追加する位置付けと言える。

Q2. MCPとエージェント・スキルはどちらが必要？

両方が必要で、どちらか一方では成立しない場面が多い。

MCPは「外部とどうつなぐか」を担う標準、エージェント・スキルは「業務手順として何をするか」を担う標準である。営業活動を支援するAIエージェントを作る場合、エージェント・スキルで「営業提案の作成手順」を定義し、その実行過程で必要となる顧客データ取得やSaaS操作を MCP が担う、という形で組み合わせる。

両者の関係をより詳しく知りたい場合は エージェント・スキル を参照されたい。

Q3. MCPは誰が提唱した標準？

Anthropic（Claudeを開発するAI企業）が2024年に提唱し、オープン標準として公開した。その後、Google、GitHub、Microsoft などが採用を進めており、特定ベンダーに依存しない業界標準として位置付けが固まりつつある。

オープン仕様であるため、誰でも MCP サーバー・クライアントを実装可能であり、特定企業の囲い込み技術ではない。

Q4. どんなツールが対応している？

執筆時点で、GitHub、Slack、Google Drive、ファイルシステム、PostgreSQL等のデータベース、各種SaaSなど、多くのツールに対する MCP サーバー実装が公開されている。Anthropic公式リポジトリと、コミュニティ拠出のリポジトリの両方で対応ツールが増え続けている状況にある。

事業パートナー独自の業務システムについては、自社で MCP サーバーを実装するか、ベンダーに実装を依頼することになる。

Q5. なぜMCPがAIエージェント時代に重要なのか？

AIエージェントが事業の現場で機能するには、外部の情報・ツールへのアクセスが不可欠である。生成AIが返す文章だけでは、業務は完結しない。

MCPは、この「外部世界へのアクセス」を標準化することで、AIエージェント実装の複雑性を一段階下げる役割を果たす。AIアプリ側もツール側も、相手ごとの個別実装を作る負担から解放される。AIエージェントを業務に組み込むコストが下がれば、AIを活用した収益創造の取り組みも前に進めやすくなる。

AIエージェントに「何を渡すか」「いつ渡すか」を体系的に設計する技術論については コンテキストエンジニアリング を参照されたい。MCPはこの設計を物理的に支える接続基盤として機能する。

関連するAX for Revenueの概念

MCPは、AIエージェントが外部世界とつながるための技術基盤である。事業の現場でAIを「使う側」から「動く側」に育てていくには、技術基盤の理解と並行して、AI活用そのものの設計思想を持つことが欠かせない。

タグライン「AIは効率化から、収益の創造へ。」の実現には、AIと外部世界を確実につなぐ技術基盤と、その上で動く事業実装の設計の両方が要る。MCPは前者を担う重要な標準のひとつであり、後者と組み合わせて初めて、AIは事業の現場で意味を持つ。

発行: 株式会社アルファドライブ／AX for Revenue Institute

Related

関連記事